---
title: "非凡大赏｜AI生产力：效率跃升与组织变革实践"
id: "20250507A06JBU00"
publicationAccount: "非凡产研"
originalPublishedAt: "2025-05-07T17:00:24+08:00"
canonical: "https://ffcap.cn/research/20250507a06jbu00"
source: "https://view.inews.qq.com/a/20250507A06JBU00"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["组织转型","非凡大赏","办公协作","非凡奖"]
---

# 非凡大赏｜AI生产力：效率跃升与组织变革实践

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

2025年4月18日，由非凡资本领衔主办，霞光社、给力讯息、云赛空间协办的「生成式AI商业高峰论坛暨第六届非凡奖颁奖礼」在上海漕河泾万丽酒店圆满落幕。

此次盛会吸引了超过80位AI领域的演讲嘉宾和千名AI相关从业者参与。通过主题演讲、圆桌论坛、互动展览和晚宴派对等丰富多彩的活动形式，非凡资本为参与者打造了一个全面而深入的AI行业交流盛会。

![非凡大赏｜AI生产力：效率跃升与组织变革实践 · 原文图片 1](https://inews.gtimg.com/om_bt/OZFQsy51xq6r-YDKXU4tbqJEZXbxsipfUscE5ATEzDl50AA/1000)

****本场圆桌会议以《AI生产力：效率跃升与组织变革实践》为主题。主持人是华为云初创生态总经理段小蕾。嘉宾包括：近屿智能创始人&CEO 方小雷、Collov AI 中国总裁赵鹭、像素绽放PixelBloom（****AiPPT.com****) 创始人&CEO 赵充、Kyligence 联合创始人兼CEO 韩卿、蜜度 CEO 翟光景。**以下是圆桌讨论核心内容：******

**

效率提升的典型Use Case分享：

本环节中，嘉宾围绕自身企业的产品如何帮助客户提升工作效率，分享了多个真实案例：从AI生成PPT的提效场景、AI辅助橱柜改造带来的2亿增量收益，到AI面试官重塑招聘流程，再到AI赋能企业管理半径翻倍、实现精细化管理。

AI产品对职场人的影响：福音还是挑战？

围绕“AI是否会替代人类”、“是否提高了打工人焦虑感”等问题展开探讨。韩卿指出：“今天不拥抱AI，一定会被用AI的人替代。”嘉宾们一致认为：AI不是替代人，而是扩展个体能力、释放创造力。

专业场景中的AI应用案例：

翟光景分享了蜜度在出版校对、材料研读两类专业办公场景中的典型案例，展示AI如何解放人力、实现“AI for easy work”的理念。与此同时，各家企业也谈到产品从PMF前期到真实用户验证的调整与反思。

反预期的用户画像与产品迭代经验：

嘉宾们纷纷分享了产品迭代中遇到的“反直觉”经验：Collov 最初以为产品是面向专业设计师，实际却是普通用户贡献了最大价值；AIPPT发现高频使用者并非咨询、投行人群，而是更广泛的职场人。

AI原生企业的组织模式重构趋势：

进入讨论尾声，主持人抛出关键议题：AI原生公司是否会重构组织结构？赵充指出“未来公司就仨人，创始人、合伙人和AI”；韩卿更进一步指出“生产力变化必带来生产关系变化”，未来组织可能精简中层，提升决策效率。

**

  

**嘉宾自我介绍**

段小蕾：大家好，我来自华为云，在华为云做创业生态，专注于服务于创业者的生态系统 。在华为云，我们通过初创计划和加速器两个核心项目，致力于为初创企业伙伴提供管理赋能、技术生态合作及商业共创的支持，并实现互利共赢。今天在座的各位创始人，其实也都是我们初创生态里面的创业伙伴 。我们华为云初创生态主要是通过初创计划和加速器两个旗舰项目，从我们的管理赋能到技术生态的合作，到商业生态的这种共创，来为各位创始人提供一些支持，以及我们实现合作 。我今天也特别高兴，因为今天我们交流的几位创始人都是老朋友，而且在过去的一两年的时间里边，随着这个大模型时代的到来，我也观察到就是各位的业务都有一个非常迅猛的这样一个增长 。那我可不可以先请各位创业者花一点点时间跟大家介绍一下我们的主营业务，从要不从翟总这边开始？

翟光景：很荣幸跟大家探讨 。蜜度公司是一家做大模型垂直应用的这么一个企业 。我们最近用一个新的 slogan 来定义我们公司，叫“AI for easy work”，就是让工作变得更轻松 。我们所有的应用都朝着这个方向，就是减轻大家的工作负担，让大家在大模型的帮助下，在AI的帮助下，让你的工作变得更轻松一些 。比如说我们做的校对，智能检索，大模型一体机，其实都是减少你工作的复杂程度，承担部分就是辅助性的、承担部分的人的工作，让你更轻松一些 。

韩卿：非常高兴有机会在这里做一些分享 。Kyligence 公司是一家数据和AI的公司 。我们在过去其实帮助我们的金融客户、制造业客户等，做了非常多的大数据平台 。其实我们帮他们管理了非常庞大的企业内部的数据资产，在我们的平台上运行了好多好多年 。我们也是国内应该是第一个把大模型引入到这个数据平台的数据公司 。我们在2023年的时候就做了第一个 compact出来 。现在我们确实也在不断地在AI转型。 从slogan 的角度来讲，我们更多的希望说能够帮助我们的企业客户提升他的管理效能 。原因在于说我们发现AI这样的一个新的生产力，在我们这个行业里面带来的机会太好了 。

我们讲说在AI时代，数据绝对是金矿，绝对是一个壁垒 。那以前我们要去利用好这样的一个数据其实挺复杂的，需要专业的人才，需要专业的分析师，需要专业的工具。  发现说在我们过去两年的实践之后，通过AI是直接可以把这个专业的数据、专业的能力直接平权到了一个普通人用对话的方式都能去做的 。所以我们讲说，这样的一个我们看到的一个巨大的机会是说，怎么样帮助我们的客户？一方面去释放它数据的价值，一方面帮助他的这个业务部门、他的业务人员还可以利用到最新的技术、最新的数据 。这是现在我们这一次在做的东西，有非常多的一些落地的案例给大家去参考 。

赵充：我们都是华为云初创生态孵化的企业 。我们自己是一个AI生产效率工具的孵化器 。我们孵化的产品你们可能都用过，AiPPT 。上个月我们全球用户达到了1700万 。如果大家没有直接用过我们的产品（AiPPT.com、AiPPT.cn或同名APP），可能在 Kimi、豆包、联想或华为小艺里也用过 。大家可以搜一下微信公众号AiPPT，看看有多少好友已经在用 。 我们还有 AI做表格的产品也会发，还有音视频转录的，还有这个作图的等等，比如爱设计、365编辑器，我们大概十几款生产效率的工具 ，我们也做AI项目的投资 。

赵鹭：很荣幸能在这个平台向小蕾总汇报一下 Collov 最新的近况 。

Collov 自研视觉大模型，是少有的既做模型又做应用的公司。我们服务全球泛家装领域的客户，Collov在全球已经覆盖全球70多个国家，商业合作了600余家企业与商业机构，客户覆盖20多个国家。

在国内，我们目前主要服务大B，比如上市公司，或者家装行业的头部企业，帮助他们在AI战略转型的发展路线上，减少自建团队的成本。另外，Collov还成功打通了家居供应链环节，我们与国内建筑、家居、家装行业的头部企业基本都有合作，所以我们有很强的供应链资源优势，当用户选定某一设计方案后，可直接在平台上获取产品的购买链接，实现设计到采购的一站式服务。

方小雷：我是近屿智能的CEO方小雷，我们做AI面试官SaaS 。当然现在可以叫 AI Agent 。我们17年开始做，是中国最早的AI面试官SaaS 。现在像美团、腾讯、携程、中广核集团、太平保险等，覆盖11个行业的很多客户都是我们的 to B 客户 。到目前有接近600万人完成过我们的AI面试 。我们的AI面试官可以回答候选人问题，通过千人千问避免作弊，并对候选人进行最多三轮深度追问 。打分能通过双盲人机对比实验 。所以我们的AI面试官其实在替代大量面试官的日常工作 。这是我们的产品 。

  

**效率提升的典型Use Case分享**

段小蕾 ：我发现咱们的业务主要是用AI产品提升生产力效率，无论是服务公司的HR招聘，还是专业设计师团队、数据官等 。能否给我们举一个典型的 use case？你们服务的客户使用产品后，有没有非常典型的效率提升场景？过程中，他的工作方式跟以前相比是否有非常大的变化？

赵充：我讲两个容易理解的 case。比如我们都是白领打工人，晚上七点要下班了，老板布置作业说明天早上九点交个PPT 。这是常遇到的情况 。这时你打开传统PPT的白板，会茫然不知从何下笔 。我们这个场景可以帮你迅速捋思路、生成思维导图、做更多输入 。另一个场景，比如我心里有个价值一亿的想法，但做出来的PPT像五毛特效 。这个场景下，我们可以帮你做排版美化 。如果你有现成的思路、思维导图或文档，直接导入后，我帮你做得非常精美 。这是两个典型的 use case 。

段小蕾：员工节约出来的时间干啥？摸鱼？

赵充：主要是做决策 。AI帮你写好内容、做完美化后，你来选择：这款不行，我要个立体的；这款不行，我要换个紫色的等，你就做选择就好了 。

段小蕾：可能原来有十个想法，但没时间呈现。现在用这么高效的工具，可以把最好的想法很快落地 。

赵充 ：所以我们的主 slogan 是：一句话、一分钟、一键帮你生成PPT 。相当于给每个人配了个助理 。

赵鹭：我跟赵充总有相同的感触，他那个产品我很早就用过，他们应该是最早给产品做过程可视化的，这点特别重要，今年年初的 manus 也是如此。

至于我们团队，过去我们整个团队，张霄博士并非学建筑设计，他在Stanford 研究 AI for Science 和基础物理，探索如何用算法解决空间设计问题 。从这个背景出发，我们希望做出空间智能设计领域的新物种，就像 Tesla，如果在系统里设置过多交通规则，遵循传统思路，车反而开不好，因为它会顾虑很多。Tesla现在用的是视觉识别，视觉触发和反馈的方式 。Collov 也类似，我们去年八月基本已训练完全球约98%的橱柜空间和欧美别墅空间数据，正是因为不走寻常路，我们空间设计的效果早已优于传统的设计软件。

段小蕾：这么多数据是怎么收集的？

赵鹭：一方面是早期积累，张博士2021年在 Stanford 时就在做图形搜集相关工作 。另一方面，我们有一些设计师和设计社群组织，也有客户很信任我们，不介意给我们数据。

我们这次有幸获得了非凡大赏的三个奖，我们的三个商业案例都获奖了，都是我们有代表性的use case。当然，之前我们也已经拿过许多奖，比如获得了 NVIDIA、华为、阿里的奖项（阿里AI黑客松全场大奖）。

我们这次的一个获奖案例，一家民营燃气公司。我们帮这家企业实现了一个增量业务，做厨房橱柜相关，实现了从零到突破小目标的成绩 。这是一个借助AI从无到有的 use case 。

段小蕾：产生了一个新的市场增量 。您刚才提到 Collov 是帮助普通职场人变成专业人士 。那专业人士怎么办？都能变成大师吗？还是可能就不太需要了？

赵鹭：其实这是个好事儿 。因为我本科是学景观园林规划的，也算半个空间设计师，我对这个事儿很有体感的是，它可以帮助专业设计师节省脑力劳动中的体力活 。其次，它可以为人类的设计创新进行推动和加速 。原先我们的设计过程像个“哭脸曲线”，两头（创意构思和最终确认）花的时间少，大部分时间花在中间琐碎的描图、修图、改稿上，效率很低 。现在借助 Collov 和我们的 API 调用，可能形成“微笑曲线”，两头时间变多，中间逐步交给机器完成，人有了更多的时间和空间发挥创造力。

段小蕾：我再追问一个问题，AI产品的能力，归根到底是基于模型训练和已有数据产生新呈现，它会变成一种行活？还是能让创意大爆发，甚至颠覆专业人士人脑能想出的创意？

赵鹭：我觉得我们的数量级远没有AiPPT多，应该多问问他们能否创造模板 。

赵充：我们提供了各行各业的模板 。举个例子，中国有3亿白领、打工人、老师、学生 。但细分人群需求不同，比如8000万公务员和国央企员工，1400万医生护士，还有金融、法律从业者、老师、学生，他们需要的语料和呈现方式都不同 。比如我们跟人民网合作了一个党政版AiPPT，叫人民的PPT，接入了主流价值观语料库并做了内容审校，保证文章风格符合要求 。   同时模板也提供了大量党建类（红色调为主） 。针对老师，需求又不同，可能需要公式、科普图片 。我们股东视觉中国提供了40万全球最好的科普图片 。不同用户群需求不同，我们需要做得更深，才能让产出结果更适合，更有职业和行业属性 。

段小蕾：想问问近屿智能的方总，您的产品主要是赋能企业的HR和老总招人，还是让那些做基础面试筛简历的 junior 同学失去工作？

方小雷：其实跟大家想的不太一样。AI agent 相关产品不是在原流程上打补丁，而是在重构新体系 。举个例子，我们客户西门子中国每年约有20万份简历 。我们先帮他筛到7-8万人，然后用短信、邮件、电话机器人通知候选人参加AI面试 。其中60%候选人在海外，90%是硕博士，他们用电脑或手机参加 。完成面试后形成报告。原来HR需要面试这些人，现在不必了 。他们用我们产品第五年，第二年起HR就不再面试初筛轮 。报告中合格的候选人直接推送给业务领导 。 业务领导看完报告后，少数人会被邀请参加一轮真人面试，然后就可以发 offer 。

这把原来庞大、消耗人力的工作基本削平，变得很轻松 。我们称之为第一次HR工业革命。因为HR以前是手工作业，面试一定是人对人 。现在一端彻底无需人类参与，可以同时面试1万、5万人，用一把尺子量到底，按统一标准执行 。很多AI应用都是这样，彻底改造了流程 。

段小蕾：确实，人类面试官会有主观倾向和差异 。您说的“一把尺子”标准化了流程。产品里有哪些标准化的 indicators，能筛选出企业需要的人才？

方小雷：这也是很多企业接触我们前会问的，但大企业通常理解 。面试不是日常聊天，背后是测量胜任力、技能是否符合岗位要求，需要预先建模 。模型属于工业和组织心理学（IO Psychology） 。以前需要培养大量高质量面试官来执行模型，但人类很难做好这件事，AI却可以 。相当于用AI做到了以前人类做不到的事 。

段小蕾：是有一个量化的表格吗？比如这项打五分，那项打六分，最后加权？

方小雷：没有六分这种东西。判断一个人能否通过面试很简单：通过或不通过 。见过有竞品打出100分，把人分100类，这基本做不到 。从科学角度讲，对候选人最多分好、中、差三档，就结束了 。

段小蕾：是不是对不同岗位、行业，参数也会有很多调整？

方小雷：是的，最早几乎每个客户都独立建模 。现在客户多了，从行业到专业都有对应模型，客户用起来很方便，前人栽树后人乘凉 。

段小蕾：目前最成熟、落地场景相对更标准化的是什么岗位或行业？

方小雷：太多了。重点客户里，高端制造、金融保险非常多，校招社招也很多 。我们已是一个非常全面的产品 。

段小蕾：包括蓝领、白领、技术人才？

方小雷：客服人才 。我们可能不做蓝领，因为觉得蓝领不需要面试，那为何要AI面试？  当然行业内有其他公司在做。我们做的还是非常复杂的，需要判断人的素质的面试 。

段小蕾：想问下 Kyligence 的韩总，您的客户有没有非常典型的用AI提升生产力效率的 use case？

韩卿：我们有好几个，介绍一个吧。我们帮助客户用AI提升管理效能，主要服务大型 to B 企业，如金融、保险、制造、零售 。

讲个在中国很普遍、蛮有意思的 case。我们有个保险客户，全国约有2万名代理人，主要是做业务的，非公司员工 。为了管理他们，需要约800-1000名一线管理者，平均一人管21人，这是管理半径 。为何只能管21人？因为越末端管理越辛苦，涉及大量实操能力和行为管理，需要提醒执行效率 。问题来了，为了管理这些，最上层像个运营中心，整个网络非常复杂 。

带来两个问题：第一，看不清楚，运营层面根本不清楚整体情况 。我们帮他解决了这个问题 。那天实战演示，从大老板问某个片区绩效情况开始，一层层问下去，问到某团队情况、谁拖后腿 。理论上问5-6个问题就能找到根因 。发现就是某几个人一直表现不好，最终体现在加微率、通话率等指标上 。据说当场就开人了 。问题不在于不愿提升，而是大家看不见 。这是第一个问题 。

第二个问题叫指挥不动 。这么大的网络，总部任何政策、变化，甚至想把优秀业绩快速复制到整个网络都做不到 。以前靠人传人，找销冠经验录下来开会传达，一方面人不一定讲真话，另一方面即使弄下来也传递不下去，因为层层递减 。

通过AI我们做了两件事：第一，可以直接从上层穿透式管理，从最高层直接问到最底层的人 。第二，能通过AI把信息通过系统快速触达到末端 。带来的变化是：管理半径从一人管20人变成管40人 。意味着不需要那么多一线管理员，客户自己评估节省了上亿成本，并转化为利润 。

之后我们又做了另一件事。客户做得很好后，我们发现在帮助客户分析思路时，中国绝大部分企业非常缺乏专业分析能力，虽然都想数据驱动 。大部分企业缺乏专业人才，人才可能集中在金融、头部客户那里 。所以最近我们把 DeepSeek 的深度推理框架和自身数据能力结合，做了 Deep Insight 。 

当你问一个问题时，直接给答案太简单了。老板问今天业务怎么样，大家都怕这个问题，因为不知道他后面真正想什么 。我们就模拟了这种方式：通过数据知识库标注，让推理模型直接推理 。比如一个做咖啡的客户问春节期间销量如何？看似简单，但直接给销量不是老板或业务想要的 。

我们通过推理框架同时推理出七个子问题，然后去查企业底层数据 。甚至基于其中一两个问题再推理、再深查 。通过推理框架把企业数据全部分析完，最后总结回来 。这个过程用AI现在只需几分钟，过去即使是有经验的数据团队也可能要花好几天 。这就是AI带来的巨大变化 。这种能力我们会固化成智能体，赋能给其他客户 。所以AI带来的不仅是效率提升，而是人类经验的快速复制 。这是我们的一些实践 。

  

**AI产品对职场人的影响：福音还是挑战？**

段小蕾：听您讲，企业管理者肯定特别愿意付费，帮他透视化管理，扩大管理半径 。但我作为打工人，听到“现场开人”还是心头一颤 。想追问下，AI工具普及后，对职场人来说，是帮助销售小白向销冠看齐、复制经验？还是让老板更透明地监测我，让我没法摸鱼，必须跟AI、跟优秀同事竞争，一不小心就失去竞争力？您怎么看？

韩卿：好问题。首先没老板愿意盯着员工，这不产生价值 。老板只希望员工好好把业务做起来 。业务做得好，你可以早点回家 。AI带来的点在于会不会被替代？坦率讲这问题不用问了，一定会被替代 。今天不拥抱AI，一定会被用AI的人替换掉，这是共识 。在这个共识下，你只有一个选择：比别人更早掌握AI 。掌握后，结果在于如何改变工作模式 。我们常说，很简单，同样工作你会用AI，可以早点回家 。

段小蕾：老板会不会给我派更多活，不让你8小时有任何空闲？

韩卿：只要你干8小时，老板算很好了 。

段小蕾：您是创始人，深有体会，请继续 。

韩卿：所以我们觉得趋势不变的情况下，人的主观能动性要发挥起来 。比如我自己最近做了个数字人视频号，花十分钟就能做一个，不需要任何人帮忙 。自己写好文章或找材料就好，这就是新生产力 。过去我可能需要策划、写文章、拍视频、剪辑的人 。那这些人不需要了吗？还是需要 。我需要更多人帮我出主题、拍更多东西 。人会转换成AI管理者、训练师 。这会产生新岗位 。这也是我另一个观点：赶紧转型吧，这是行业稀缺的 。做 routine work 的人太多了，但真会用AI的人你干同样活，用AI效能比别人快五倍十倍以上，为什么不找你？  这就是未来发展的巨大变化，生产力的核心 。

  

**专业场景中的AI应用案例**

段小蕾：再问问翟总，您服务的客户很多是政府机构，产品迭代和应用场景落地过程中，有没有一些典型案例，或普通白领可能没接触到的场景？

翟光景：因为我们是“AI for easy work”，主要是在办公的专业场景用到我们的工具 。我们有几万客户，举两个典型案例。一是专业编辑，这个群体很大，有出版机构、期刊、报纸、新媒体运营等 。写完或编完一本书后要三审三校，首要解决的是找出明显错误 。一本30万字的书扔到我们工具里，泡杯咖啡或上个洗手间回来，可能十分钟内就完成了 。结果是全书标注完成，哪个地方有错旁边都有标注，直接根据标注轻松找出错误，完成校对 。

过去这事基本要一个助理或实习编辑花一天左右才能对完，还不一定放心 。现在AI能帮你做，是很专业的场景，但能高效解决助理工作，让你轻松 。

另一个场景大家可能都用得到：接到研究性任务。比如研究一个主题，收集材料可能几千上万篇 。我们很多场景是一个主题十万篇文章或文档，回来放一个目录里，就要迅速据此写报告 。这是很极端的场景。通常我们几十分钟内就能写完一篇报告：告诉你文档分门别类归纳总结，提取重要主题 。我们叫材料分析场景 。客户用得特别好，感觉过去可能很惨，坐那儿累得腰都痛了材料还没看完，还要总结归纳 。现在可能几十分钟就写完了 。

我们是做这种比较专业的场景。所以我们有时自己有句话（当然还没完全实现）：把很多工作用一句话解决 。比如把文档扔到对话框说“帮我校对这篇文档”，就完了 。可能把一万篇文档拖到目录里说“我要写一篇报告”，任务就完成了 。我们大概解决这类问题 。

段小蕾 ：这个过程中，有没有产品迭代时，一开始的 PMF不如预期，后来根据用户反馈，发现付费用户是另一群人，有这样的过程吗？

翟光景：是的，这个过程是艰难的产品迭代 。像刚才举的校对例子，我们从19年小模型时代就开始做，迭代到现在快六年了，产品用得很好了 。尤其这两年大模型赋能后，速度和效率提升很快，能迅速解决问题 。材料写作也一样，基本是大模型时代才开始迭代的话，一般逻辑上10-20个版本后基本就能用了 。

  

**反预期的用户画像与产品迭代经验**

段小蕾：这个问题也想开放给各位创始人：我们用AI能力，大模型能力也在不断迭代优化。产品不断向市场（PMF）或真实付费用户需求靠拢的过程中，有没有可以分享的案例，或者大家觉得反常识、与原预期不符的情况？谁想分享？

赵鹭：我先来抛个砖。对 Collov 来说，我们最早尝试过对话式交互的产品，但后来还是回到了传统 editing 状态 。因为它虽然是空间设计工具，但本质没有变，再怎么还是工具，我们要尊重用户的使用习惯。但我们大大简化了设计流程，实现了傻瓜式操作，我们发现，我们的用户不只有设计师，还有大量的“设计小白”。

这在逻辑上也是通的，举个简单例子，现在用美图秀秀的人多还是用Photoshop 修图的人多？ Photoshop 也能修图，但需手动操作量巨大，实现一个效果可能要二三十步，普通人用美图秀秀1步就够了。

所以这里面有两步，第一是功能路径选择 。第二是刚才问的，是否走过弯路或用户定义反常识？这是存在的，这在过去移动互联网时代可能不多，但作为AI从业者，我们发现确实会出现这种情况。连我们自己团队都认为空间智能设计工具应首先给设计师用，但客观事实是，小白们会更爱它。

段小蕾 ：原以为给专业设计师用，后来发现是帮普通人变专业设计师？

赵鹭：帮助普通人达到专业设计师80%的水平，快速跨越鸿沟 。专业设计师看到我们工具不会“Wow” 。但普通人，比如刚才说的上门检查燃气的人员，拍张照十几秒能出个橱柜设计效果，他会“Wow” 。这个“Wow”是谁产生的，基本就决定了威力多大，以及他是否会付费 。不“Wow”的，基本不付费 。

赵充：我们的案例类似。做这项目时，很多投行、咨询、4A公司的人说，这可能还满足不了我们需求 。我说你不是我们用户 。我们的用户定义是：凡是写PPT为了“卖”（融资、招标）的，暂时不是我们用户 。我们服务那95%不写PPT为了“卖”的用户，这个人群大得多 。

段小蕾：你说那个群体没有1700万是吧？

赵充：对，很少，可能小几百万，但大盘更大 。第二，AI来了之后，工作流程或方法变了 。那一小撮人还是用功能式（几百个按钮）写PPT 。但另外95%的人不是，他们是一句话生成、导入文档生成、导入链接生成 。写好觉得不好看，导进去美化完出来 。这四个流程里按钮很少或没有，这是很大不同 。

**  

  

AI原生企业的组织模式重构趋势

段小蕾：最后一个问题给各位：最近看到很多AI原生创业公司，团队就十个人，营收却快速增长，甚至月入千万人民币，但团队觉得不需加人 。AI原生不仅体现在能力上，也体现在组织构成上 。想问各位，作为AI时代的弄潮儿，不管服务客户还是管理自己公司，对AI带来的组织变革有何预期？未来1-3年内，我们能看到的组织构成或工作管理流程会不会有实质性变化？

  

方小雷：我们很明确，因为服务人力资源部，这个部门在所有组织中向来人力不充沛，却要面对海量候选人或找不到人的问题 。以前没办法给每个候选人足够时间，但组织又要求HR找到最优秀、最合适的人 。以前做不到，现在可以了 。但这并未给HR部门带来直接效益 。真正效益是面试过程产生的副产品：在每个胜任力维度，AI有科学打分和对候选人的详细判断内容 。这是HR过去几十年渴望的数据 。

  

从人力资源角度，内部HR需要一套胜任力词典来管理员工全生命周期（招聘、培训、晋升、人才盘点），基础都是判断人的胜任力是否符合岗位要求 。以前没有基础数据，因为人做判断受情绪、疲劳、偏见、歧视影响 。现在有了科学基础，让HR从事务性工作者变成战略性工作者 。这对HR是福音。以前大家觉得HR工作没那么专业，以后HR基本都是非常专业的，完全基于AI成果来工作的专业人士 。

  

段小蕾：能否给在座求职者一个小建议：把自身素质、能力模型往哪个方向发展？

  

方小雷：反过来讲，我们是为大家创造了更多面试机会 。以前企业没法面试很多人，看运气 。现在命好的人会多些 。但更重要的是，大家不要硬凑着进某个企业，没意义 。每个人都有优势，最丰盛的人生是发现自己优势，做最适合自己的工作 。这完全可通过大量AI面试完成 。如果你在AI面试中获高分，反过来说明你可能非常适合这份工作，将来会很有成就 。这才是我们对C端、对所有候选人最大的贡献 。

  

段小蕾：最好是双向匹配，而非求职者主动迎合。

  

赵鹭：关于组织，对于AI创业公司，我们团队倒是形成了一些共识：技术开始撕开一个口子最关键，但越往后，服务客户时越要像咨询公司一样，帮客户拆解流程，陪着他们，而不仅仅是把技术甩过去。

  

我们的整个组织形态都在随着客户调整，根据客户的需求，我们去找合适的人，来解决客户提出的问题。

  

接入我们的技术后，很多老板（尤其我们对接的房地产、装修、家居集团老板）普遍反映设计师难管的问题会缓解。 同时，像刚才方总说的，这会带来更多、更好的审美机会，另一方面，我们能让过去家装或工装中要到最后验收或住一段时间才发现的问题前置。

  

通过更好、更多轮、更低成本、更高效率的方案，我们让好的设计、舒适的状态走进千家万户，而不是少数高额付费者才能享受到好设计好房子。

  

段小蕾：既能有 best practice 做基础，又能低成本高效率实现个性化。

  

赵充：未来组织形态会有很大变化 。可能听说过一句话：未来公司就仨人，创始人、合伙人和AI 。虽然极端，但事实可能已显现 。我们最近投了几个项目都是五六个人，很快收入起来 。产品型公司，一个创始人加三五个合伙人，再加AI写代码等等 。未来很多公司会是超级产品经理顶在前面，几个人，几个月产品出来，马上实现 PMF 和规模化 ，这是趋势 。提到AI应用，建议很简单，不玄妙：看 A16Z 的 top 50，全用一遍，套到公司框架里就行 。纵轴是模态（文、图、视频、代码等），横轴是场景（设计、HR、客服、销售等） 。找到公司成本最高或效益最好的点，直接去应用 。

  

韩卿：AI是新生产力，任何生产力变化必带来生产关系变化 。这次是人类社会极其深刻的变化，因为改变的不是生产工具，是劳动者本身 。我赞同，未来会变成一个碳基指挥官加一堆硅基干活的人 。在这过程中，我们一直在服务客户解决管理运营问题，帮他们建指标体系、管理体系等 。

  

但最近跟很多客户合作下来，发现这方面变化已开始冒头，不仅是拿AI提效 。效率提升完马上会带来。我们服务的客户相对较大，变化慢些，但可能很大 。比如原来可能需要五六层甚至七八层管理框架，现在中间可能抹掉一两层 。这带来组织架构、考核方式、行为模式的彻底改变 。这方面才刚开始，我们在跟客户探索 。包括小型客户也一样，一下子实现 PMF 和规模化 。但接下来大量管理和组织相关问题，仍需AI能力承接 。我们看到接下来一段时间，生产关系变化可能更大 。

  

翟光景：我非常赞同赵充总的观点 。像我们这样的企业，有很多项目部，老的新的都有 。现在成立新项目部做产品，和过去几年模式完全不同 。因为有AI帮助，过去有些工种可能不要了，三个人干的事两个人干了 。我们现在最小组四个人就开干，改变很大，感觉特别大，和五六年前结构完全不一样 。AI对我们IT人助力非常大，对产品开发影响很大，提效和改变都很大 。这是我一点小观点 。

  

段小蕾：刚才跟各位创始人聊过，能感受到大家都非常认可AI生产工具的效率提升带来了组织结构变化和生产关系变革 。但过程中到底会变成什么样还看不太清楚，我们每个人都是参与者和贡献者 。世界变化越来越快，AI的加速度让我们这代人很幸运能见证甚至参与很多以前想象不到的变化 。可能唯一不变的是必须持续学习、不断迭代，更健康地一起创造更多未来可能性 。非常感谢今天各位嘉宾的分享，也谢谢各位观众的时间 。

**

---

原始发布版本：https://view.inews.qq.com/a/20250507A06JBU00

本站阅读页：https://ffcap.cn/research/20250507a06jbu00